Fundus Image-based Visual Acuity Assessment with PAC-Guarantees

要約

目の健康を維持するには、タイムリーな検出と治療が不可欠です。
遠くの視界の明瞭さを測定する視力 (VA) は、目の健康を管理するための重要な指標です。
VA 測定を支援するために機械学習 (ML) 技術が導入されており、臨床医の作業負荷が軽減される可能性があります。
ただし、ML モデルには固有の不確実性があるため、VA 予測にそれらのみに依存することは理想的ではありません。
VA 予測タスクには複数の不確実性源が含まれるため、より堅牢なアプローチが必要です。
有望な方法は、点推定ではなく予測セットまたは区間を構築し、等角予測やおそらくほぼ正確 (PAC) 予測セットなどの技術を通じてカバレッジ保証を提供することです。
この可能性にもかかわらず、これまでのところ、これらのアプローチは VA 予測タスクには適用されていません。これに対処するために、PAC 保証付きで眼底画像から視力を推定するための予測区間を導出する方法を提案します。
私たちの実験結果は、PAC の保証が維持されており、そのような保証を提供していない 2 つの以前の作品と同等かそれよりも優れたパフォーマンスを示していることを示しています。

要約(オリジナル)

Timely detection and treatment are essential for maintaining eye health. Visual acuity (VA), which measures the clarity of vision at a distance, is a crucial metric for managing eye health. Machine learning (ML) techniques have been introduced to assist in VA measurement, potentially alleviating clinicians’ workloads. However, the inherent uncertainties in ML models make relying solely on them for VA prediction less than ideal. The VA prediction task involves multiple sources of uncertainty, requiring more robust approaches. A promising method is to build prediction sets or intervals rather than point estimates, offering coverage guarantees through techniques like conformal prediction and Probably Approximately Correct (PAC) prediction sets. Despite the potential, to date, these approaches have not been applied to the VA prediction task.To address this, we propose a method for deriving prediction intervals for estimating visual acuity from fundus images with a PAC guarantee. Our experimental results demonstrate that the PAC guarantees are upheld, with performance comparable to or better than that of two prior works that do not provide such guarantees.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google